5.2.2 రాజకీయ కార్యచరణ పత్రాల్లో క్రౌడ్ కోడింగ్

రాజకీయ కార్యచరణ, ఏదో సాధారణంగా నిపుణులు చేసిన కోడింగ్, ఎక్కువ తిరిగి ఉత్పత్తి చేయలేము మరియు వశ్యత ఫలితంగా ఒక మానవ గణన ప్రాజెక్ట్ ద్వారా అమలు చేయవచ్చు.

గెలాక్సీ జంతుప్రదర్శనశాలతో పోలిస్తే, సాంఘిక పరిశోధకులు కోరుకుంటూ, వర్గీకరించడానికి, లేదా ఒక ఇమేజ్ లేదా టెక్స్ట్ యొక్క భాగాన్ని లేవనెత్తడానికి కావలసిన అనేక సందర్భాలు ఉన్నాయి. ఈ రకమైన పరిశోధన యొక్క ఒక ఉదాహరణ మానిఫెస్టోస్ కోడింగ్. ఎన్నికల సమయంలో, రాజకీయ పార్టీలు వారి విధాన స్థానాలను వివరించే మానిఫెస్టోస్ను మరియు తత్వాన్ని మార్గదర్శకత్వం చేస్తాయి. ఉదాహరణకు, ఇక్కడ యునైటెడ్ కింగ్డమ్లో లేబర్ పార్టీ మానిఫెస్టో యొక్క భాగం 2010 నుండి:

"మా ప్రజా సేవల పని లక్షలాదిమంది నష్టాలు సొంతంగా భరించలేక కలిగి ఉండకూడదు నుండి వారిని రక్షించే అయితే తమ జీవితాల్లోని అత్యంత చేయడానికి గలదా సహాయం, బ్రిటన్ యొక్క ఉత్తమ విలువలు రూపొందించు. మేము మార్కెట్ల మాదిరి పని చేయడం ప్రభుత్వాల పాత్ర గురించి మరింత ఉండాలి కేవలం, మేము కూడా ప్రభుత్వ బోల్డ్ సంస్కర్తలు ఉండాలి. "

ఈ మానిఫెస్టోలో రాజకీయ శాస్త్రవేత్తలకు విలువైన సమాచారం ఉంది, ప్రత్యేకంగా ఎన్నికల అధ్యయనం మరియు విధాన చర్చల యొక్క గతి. ఈ మానిఫెస్టోస్ నుండి సమాచారాన్ని సేకరించే క్రమంలో, పరిశోధకులు మానిఫెస్టో ప్రాజెక్ట్ను సృష్టించారు, ఇది 50 దేశాలలోని దాదాపు 1,000 పార్టీల నుంచి 4,000 మానిఫెస్టోస్ను సేకరించింది మరియు వాటిని క్రమబద్ధంగా కోడ్ చేయడానికి రాజకీయ శాస్త్రవేత్తలను ఏర్పాటు చేసింది. ప్రతి మానిఫెస్టోలో ప్రతి వాక్యం 56-విభాగ పథకాన్ని ఉపయోగించి నిపుణుడిగా కోడ్ చేయబడింది. ఈ సహకార కృషి ఫలితంగా ఈ మానిఫెస్టోస్లో పొందుపర్చిన సమాచారాన్ని సంగ్రహించిన భారీ డేటాసెట్, మరియు ఈ డేటాసెట్ను 200 కంటే ఎక్కువ శాస్త్రీయ పత్రాల్లో ఉపయోగించారు.

కెన్నెత్ బెనోయిట్ మరియు సహచరులు (2016) మానిఫెస్టో కోడింగ్ పనిని గతంలో నిపుణుల ద్వారా ప్రదర్శించారు మరియు దానిని మానవ గణన ప్రాజెక్ట్గా మార్చాలని నిర్ణయించుకున్నారు. తత్ఫలితంగా, వారు చౌకైన మరియు వేగవంతమైనది చెప్పడం లేదు, మరింత పునరుత్పాదక మరియు మరింత సౌకర్యవంతమైన ఒక కోడింగ్ ప్రక్రియను సృష్టించింది.

యునైటడ్ కింగ్డమ్, బెనాయిట్ మరియు సహోద్యోగులు ఆరు ఇటీవల జరిగిన ఎన్నికలలో పని చేసిన 18 మానిఫెస్టోలతో పనిచేస్తూ, మైక్రోట్రాక్ కార్మిక విఫణి (అమెజాన్ మెకానికల్ టర్క్ మరియు క్రౌడ్ ఫ్లూవర్) కార్మికులతో స్ప్లిట్-దరఖాస్తు కలయిక వ్యూహాన్ని ఉపయోగించారు. , చాప్టర్ 4 చూడండి). పరిశోధకులు ప్రతి మానిఫెస్టోను తీసుకున్నారు మరియు వాక్యాలను విభజించారు . తరువాత, ప్రతి వాక్యానికి కోడింగ్ పథాన్ని ఒక వ్యక్తి దరఖాస్తు చేశాడు. ప్రత్యేకించి, ఆర్ధిక విధానం (ఎడమ లేదా కుడి), సాంఘిక విధానము (ఉదారవాద లేదా సాంప్రదాయిక), లేదా (సంఖ్య 5.5) కాదు అని ప్రతి వాక్యాన్ని వర్గీకరించమని పాఠకులు కోరారు. ప్రతి వాక్యం ఐదు వేర్వేరు వ్యక్తులచే కోడ్ చేయబడింది. చివరగా, ఈ రేటింగ్స్ వ్యక్తిగత-ఉద్రిక్తత ప్రభావాలకు మరియు కష్టం-వాక్యపూరణ ప్రభావాలకు లెక్కించే గణాంక నమూనాను ఉపయోగించి మిళితం చేయబడ్డాయి. మొత్తంగా, బెనాయిట్ మరియు సహచరులు సుమారు 1,500 మంది నుండి 200,000 రేటింగ్లను సేకరించారు.

మూర్తి 5.5: బెనోట్ et al నుండి కోడింగ్ పథకం. (2016). ఆర్ధిక విధానం (ఎడమ లేదా కుడి), సాంఘిక విధానము (ఉదారవాద లేదా సంప్రదాయవాది), లేదా ఎవరికీ సూచించటంలో ప్రతి వాక్యాన్ని వర్గీకరించమని పాఠకులు కోరారు. బెనాయిట్ et al నుండి స్వీకరించబడింది. (2016), ఫిగర్ 1.

మూర్తి 5.5: Benoit et al. (2016) నుండి కోడింగ్ పథకం Benoit et al. (2016) . ఆర్ధిక విధానం (ఎడమ లేదా కుడి), సాంఘిక విధానము (ఉదారవాద లేదా సంప్రదాయవాది), లేదా ఎవరికీ సూచించటంలో ప్రతి వాక్యాన్ని వర్గీకరించమని పాఠకులు కోరారు. Benoit et al. (2016) నుండి స్వీకరించబడింది Benoit et al. (2016) , ఫిగర్ 1.

గుంపు కోడింగ్ యొక్క నాణ్యతను అంచనా వేయడానికి, బెనోయిట్ మరియు సహచరులు కూడా 10 నిపుణుల-ప్రొఫెసర్లు మరియు గ్రాడ్యుయేట్ విద్యార్థులకు రాజకీయ విజ్ఞాన-రేటులో ఒకే మానిఫెస్టోలో అదే పద్ధతిని ఉపయోగించారు. నిపుణుల రేటింగ్స్ కంటే రేటింగ్స్ కంటే ఎక్కువ మంది వేర్వేరుగా ఉంటారు, ఏకాభిప్రాయ నిపుణుల రేటింగ్ (ఫిక్స్ 5.6) తో ఏకాభిప్రాయంతో కూడిన ఏకాభిప్రాయం ఉంది. ఈ పోలిక ప్రకారం, గెలాక్సీ జంతుప్రదర్శనశాలలో, మానవ గణన ప్రాజెక్టులు అధిక నాణ్యత ఫలితాలను ఉత్పత్తి చేస్తాయి.

మూర్తి 5.6: యునైటెడ్ కింగ్డమ్ (బెనోయిట్ మరియు ఇతరులు 2016) నుండి 18 పార్టీ మ్యానిఫెస్టోస్ కోడింగ్ చేసేటప్పుడు నిపుణుల అంచనాలు (x- యాక్సిస్) మరియు గుంపు అంచనాలు (y- యాక్సిస్) విశేషమైన ఒప్పందంలో ఉన్నాయి. ఈ మానిఫెస్టోస్ మూడు రాజకీయ పార్టీలు (కన్జర్వేటివ్, లేబర్ మరియు లిబరల్ డెమొక్రాట్స్) మరియు ఆరు ఎన్నికలు (1987, 1992, 1997, 2001, 2005, మరియు 2010) నుండి తీసుకోబడ్డాయి. బెనాయిట్ et al నుండి స్వీకరించబడింది. (2016), సంఖ్య 3.

మూర్తి 5.6: యునైటెడ్ కింగ్డమ్ (Benoit et al. 2016) నుండి 18 పార్టీ మ్యానిఫెస్టోస్ కోడింగ్ చేస్తున్నప్పుడు నిపుణుల అంచనాలు ( \(x\) -సాయిస్) మరియు గుంపు అంచనాలు ( \(y\) -సాయిస్) విశేషమైన ఒప్పందంలో ఉన్నాయి. ఈ మానిఫెస్టోస్ మూడు రాజకీయ పార్టీలు (కన్జర్వేటివ్, లేబర్ మరియు లిబరల్ డెమొక్రాట్స్) మరియు ఆరు ఎన్నికలు (1987, 1992, 1997, 2001, 2005, మరియు 2010) నుండి తీసుకోబడ్డాయి. Benoit et al. (2016) నుండి స్వీకరించబడింది Benoit et al. (2016) , సంఖ్య 3.

ఈ ఫలితం ఆధారంగా, బెనియిట్ మరియు సహచరులు మానిఫెస్టో ప్రాజెక్ట్ చేత ఉపయోగించబడిన నిపుణుడు-కోడింగ్ కోడింగ్ వ్యవస్థతో అసాధ్యం అయిన పరిశోధన కోసం వారి గుంపు-కోడింగ్ వ్యవస్థను ఉపయోగించారు. ఉదాహరణకు, మానిఫెస్టో ప్రాజెక్ట్ ఇమ్మిగ్రేషన్ విషయంలో మానిఫెస్టోస్కు సంకేతాన్ని ఇవ్వలేదు ఎందుకంటే 1980 ల మధ్యకాలంలో కోడింగ్ పథకం అభివృద్ధి చేయబడినప్పుడు అది పెద్ద విషయం కాదు. మరియు, ఈ సమయంలో, మానిఫెస్టో ప్రాజెక్ట్ కోసం ఈ సమాచారాన్ని స్వాధీనం చేసుకునేందుకు వారి మానిఫెస్టోస్ను తిరిగి వెనక్కి తిరిగి వెళ్లడానికి ఇది సాధ్యపడదు. అందువల్ల, ఇమ్మిగ్రేషన్ రాజకీయాలు అధ్యయనం ఆసక్తి పరిశోధకులు అదృష్టం ఉన్నాయి అని కనిపిస్తుంది. అయినప్పటికీ, బెనోయిట్ మరియు సహచరులు వారి మానవ గణన వ్యవస్థను ఈ కోడింగ్ చేయగలిగారు - వారి పరిశోధన ప్రశ్నకు త్వరగా మరియు సులభంగా.

ఇమ్మిగ్రేషన్ విధానాన్ని అధ్యయనం చేయడానికి, యునైటెడ్ కింగ్డమ్లో 2010 సార్వత్రిక ఎన్నికల్లో ఎనిమిది పార్టీల కోసం వారు మానిఫెస్టోస్కు కోడ్ చేశారు. ప్రతి మేనిఫెస్టోలో ప్రతి వాక్యం ఇమ్మిగ్రేషన్కు సంబంధించినదా అని మరియు దానిని ఇమ్మిగ్రేషన్, తటస్థ లేదా ఇమ్మిగ్రేషన్ వ్యతిరేకత అనేదానికి సంబంధించి కోడ్ చేయబడింది. వారి ప్రాజెక్ట్ను ప్రారంభించిన 5 గంటల్లో, ఫలితాలను చేర్చారు. మొత్తం 360 వ్యయంతో వారు 22,000 కంటే ఎక్కువ ప్రతిస్పందనలను సేకరించారు. అంతేకాకుండా, నిపుణుల పూర్వ సర్వేతో ప్రేక్షకుల అంచనాలు విశేషమైన ఒప్పందాన్ని చూపాయి. తుది పరీక్షగా, రెండు నెలల తరువాత, పరిశోధకులు వారి గుంపు-కోడింగ్ను పునరుత్పత్తి చేశారు. కొద్ది గంటలలో, వారు కొత్త గుంపు-కోడెడ్ డేటాసెట్ను సృష్టించారు, ఇది వారి అసలైన గుంపు-కోడెడ్ డేటా సమితిని సరిగ్గా సరిపోతుంది. వేరొక మాటలో చెప్పాలంటే, మానవ గణన నిపుణుల అంచనాలతో అంగీకరించిన మరియు పునరుత్పత్తి చేయగల రాజకీయ గ్రంథాల కోడింగ్ను రూపొందించడానికి వారికి సహాయపడింది. అంతేకాక, మానవ గణన త్వరగా మరియు చౌకగా ఉన్నందున, వారి డేటా సేకరణను ఇమ్మిగ్రేషన్ గురించి వారి నిర్దిష్ట పరిశోధన ప్రశ్నకు అనుకూలీకరించడం సులభం.